論文の概要: Computerized Tomography Pulmonary Angiography Image Simulation using Cycle Generative Adversarial Network from Chest CT imaging in Pulmonary Embolism Patients

• arxiv url: http://arxiv.org/abs/2205.08106v1
• Date: Tue, 17 May 2022 06:02:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-18 13:31:16.414861
• Title: Computerized Tomography Pulmonary Angiography Image Simulation using Cycle Generative Adversarial Network from Chest CT imaging in Pulmonary Embolism Patients
• Title（参考訳）: 肺塞栓症患者の胸部ct画像からの周期生成逆ネットワークを用いたct肺血管造影画像シミュレーション
• Authors: Chia-Hung Yang, Yun-Chien Cheng, Chin Kuo
• Abstract要約: 本研究の目的は,肺塞栓症診断のためのCTPA画像を作成するシステムを開発することである。 本研究は, 深層学習ネットワークを用いた肺塞栓症の臨床診断への新たなアプローチを提案することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The purpose of this research is to develop a system that generates simulated computed tomography pulmonary angiography (CTPA) images clinically for pulmonary embolism diagnoses. Nowadays, CTPA images are the gold standard computerized detection method to determine and identify the symptoms of pulmonary embolism (PE), although performing CTPA is harmful for patients and also expensive. Therefore, we aim to detect possible PE patients through CT images. The system will simulate CTPA images with deep learning models for the identification of PE patients' symptoms, providing physicians with another reference for determining PE patients. In this study, the simulated CTPA image generation system uses a generative antagonistic network to enhance the features of pulmonary vessels in the CT images to strengthen the reference value of the images and provide a basis for hospitals to judge PE patients. We used the CT images of 22 patients from National Cheng Kung University Hospital and the corresponding CTPA images as the training data for the task of simulating CTPA images and generated them using two sets of generative countermeasure networks. This study is expected to propose a new approach to the clinical diagnosis of pulmonary embolism, in which a deep learning network is used to assist in the complex screening process and to review the generated simulated CTPA images, allowing physicians to assess whether a patient needs to undergo detailed testing for CTPA, improving the speed of detection of pulmonary embolism and significantly reducing the number of undetected patients.
• Abstract（参考訳）: 本研究の目的は,肺塞栓症診断のためのCTPA画像を作成するシステムを開発することである。 近年,CTPA画像は肺塞栓症(PE)の症状を判定し,同定するための金の標準コンピュータ化検出法となっているが,CTPAの実行は患者にとって有害であり,費用もかかる。 そこで本研究では,CT画像を用いてPE患者を診断することを目的とする。 このシステムは、PE患者の症状を識別するための深層学習モデルを用いてCTPA画像をシミュレートし、医師にPE患者を判定するための別の基準を提供する。 本研究では,CTPA画像生成システムを用いて,CT画像中の肺血管の特徴を増強し,画像の基準値を強化し,PE患者を判定するための病院の基盤を提供する。 当院におけるCTPA画像とそれに対応するCTPA画像とをCTPA画像シミュレーションの訓練データとして使用し, 2種類の生成対策ネットワークを用いて作成した。 本研究は, 肺塞栓症の臨床診断における新たなアプローチとして, 深層学習ネットワークを用いて複雑なスクリーニングプロセスを支援し, 生成したCTPA画像のレビューを行い, 患者がCTPAの詳細な検査を行う必要があるかどうかを診断し, 肺塞栓症の検出速度を向上し, 未検出患者数を著しく減少させることが期待される。

関連論文リスト

• Cross-Phase Mutual Learning Framework for Pulmonary Embolism Identification on Non-Contrast CT Scans [7.732867194190985]
  肺塞栓症 (PE) は, 急速かつ正確な診断が困難であるが, 主に非定型的な症状を呈する疾患である。 我々は,CTAからNCTスキャンへの知識伝達を促進する新しいクロスパス・ミューチュアル・ラーニング・フレームワーク (CPMN) を提案する。 CPMNは、NCTスキャンにおける患者レベルの感度と特異性において95.4%と99.6%の顕著な識別性能を達成している。
  論文  参考訳（メタデータ） (2024-07-16T09:29:33Z)
• Feature-oriented Deep Learning Framework for Pulmonary Cone-beam CT (CBCT) Enhancement with Multi-task Customized Perceptual Loss [9.59233136691378]
  コーンビームCT(CBCT)は画像誘導放射線治療中に定期的に収集される。 近年, 深層学習に基づくCBCT強調法は, 人工物抑制に有望な成果を上げている。 本稿では,高画質CBCT画像から高画質CTライク画像へ変換する特徴指向ディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T10:09:01Z)
• Anatomically aware dual-hop learning for pulmonary embolism detection in CT pulmonary angiograms [8.112976210963243]
  本稿では,コンピュータビジョンと深部ニューラルネットワークを効果的に組み合わせ,肺塞栓症検出のためのディープラーニングベースのアプローチを提案する。 本手法は, 解剖学的構造の自動検出, 2) 解剖学的事前訓練, 神経学, 3) PE検出のための二重ホップディープネットの3つの軸に沿って, 新規な改良を特徴とする。
  論文  参考訳（メタデータ） (2023-03-30T17:58:52Z)
• Detecting Pulmonary Embolism from Computed Tomography Using Convolutional Neural Network [0.0]
  本研究は, 畳み込みニューラルネットワークを用いて胸部CT画像を取得する全症例において, 肺塞栓症を検出するための深層学習手法を提案する。 肺塞栓症検出システムにより, 肺塞栓症とCT像の同時検出が可能となった。
  論文  参考訳（メタデータ） (2022-06-03T00:01:47Z)
• Convolutional Neural Network for Early Pulmonary Embolism Detection via Computed Tomography Pulmonary Angiography [0.0]
  本研究の目的は,肺塞栓症(PE)患者を対象としたコンピュータ支援検出システムの開発である。 提案したCADシステムは,PE患者と非PE患者を区別し,自動的にPE病変をラベル付けする。
  論文  参考訳（メタデータ） (2022-04-07T04:16:11Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
  我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。 また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
  論文  参考訳（メタデータ） (2020-09-08T15:49:55Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。